論文の概要: GenCOPE: Syn2Real Generalized Category-Level Object Pose Estimation for Robotic Picking
- arxiv url: http://arxiv.org/abs/2610.01758v1
- Date: Thu, 01 Oct 2026 14:20:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-03 01:19:24.185918
- Title: GenCOPE: Syn2Real Generalized Category-Level Object Pose Estimation for Robotic Picking
- Title（参考訳）: GenCOPE: ロボットピッキングのためのSyn2Real Generalized Category-Level Object Pose Estimation
- Abstract要約: カテゴリーレベルのオブジェクトポーズ推定(COPE)はロボット3Dシーン理解のコア技術となっている。
既存のCOPE手法では、新しいオブジェクトカテゴリのための実世界のトレーニングデータの労働集約的な再収集が依然として必要である。
本稿では, 合成合成データのみを訓練し, 実世界の展開に直接一般化する, 合成から現実への一般化COPEを実現することを目的とする。
- 参考スコア（独自算出の注目度）: 47.82491097283088
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Category-level object pose estimation (COPE), capable of generalizing to intra-class unknown objects, has become a core technique for robotic 3D scene understanding. However, existing COPE methods still require labor-intensive recollection of real-world training data for novel object categories, which limits their scalability in practical applications. This paper aims to achieve synthetic-to-real (Syn2Real) generalized COPE, where a model is trained solely on rendered synthetic data and directly generalized to real-world deployments. The central challenge lies in the significant domain gap between synthetic and real-world data, particularly in texture appearance. To address this, we aim to enhance domain generalization by learning domain-invariant representations that capture semantic commonalities among objects within the same category. We introduce 2D and 3D semantic consistency constraints to reduce the sensitivity of feature encoders to domain-specific features. In addition, we propose an end-to-end pose regression framework that performs 2D-3D cross consistency learning, leveraging dense cross-modality fusion to further refine pose estimation. Since simplicity and effectiveness are essential for real-world robotic deployment, our model operates exclusively on global features, yielding a highly lightweight and efficient architecture. Extensive experiments on the REAL275 and Wild6D benchmarks, as well as real-world robotic manipulation scenes, show superior Syn2Real generalization performance of our paradigm. Code and demos are released at https://paperreview99.github.io/GenCOPE/.
- Abstract（参考訳）: カテゴリーレベルのオブジェクトポーズ推定(COPE)は、クラス内未知のオブジェクトに一般化可能なものであり、ロボットによる3Dシーン理解のコア技術となっている。
しかし、既存のCOPE法では、新しいオブジェクトカテゴリのための実世界のトレーニングデータの労働集約的な再収集が必要であり、実用アプリケーションにおけるスケーラビリティを制限している。
本稿では, 合成合成データのみを訓練し, 実世界の展開に直接一般化する, 合成から現実への一般化COPEを実現することを目的とする。
中心的な課題は、特にテクスチャの外観において、合成データと実世界のデータの大きな領域ギャップにある。
これを解決するために、同じカテゴリ内のオブジェクト間の意味的共通点をキャプチャするドメイン不変表現を学習することにより、ドメインの一般化を強化することを目的とする。
ドメイン固有の特徴に対する特徴エンコーダの感度を低減するために,2次元および3次元意味的整合性制約を導入する。
さらに,2次元3次元の相互整合性学習を行うエンドツーエンドのポーズ回帰フレームワークを提案する。
実世界のロボット展開にはシンプルさと効率性が不可欠であるため、我々のモデルはグローバルな機能にのみ依存し、非常に軽量で効率的なアーキテクチャをもたらす。
REAL275とWild6Dベンチマークの大規模な実験は、実際のロボット操作シーンと同様に、我々のパラダイムの優れたSyn2Real一般化性能を示している。
コードとデモはhttps://paperreview99.github.io/GenCOPE/.comで公開されている。
関連論文リスト
- OPINE-World: Programmatic World Modeling with Ontology-error-Prioritized Interactive Exploration [29.764166104307932]
本稿では,対話からオブジェクト中心のプログラミング世界モデルを学ぶエージェントOPINE-Worldを紹介する。
OPINE-Worldは25試合中20試合をゲームごとのトレーニングなしで解決し、人間のベースラインに対するアクション効率スコア78.4に達する。
論文 参考訳（メタデータ） (2026-07-01T23:04:47Z) - Generalizable Geometric Prior and Recurrent Spiking Feature Learning for Humanoid Robot Manipulation [90.90219129619344]
本稿では,スパイキング機能を備えたR-prior-S, Recurrent Geometric-priormodal Policyを提案する。
物理的現実の高レベル推論を基礎として、軽量な2次元幾何学的帰納バイアスを利用する。
ロボット行動生成におけるデータ効率問題に対して,再帰的適応スパイクネットワークを導入する。
論文 参考訳（メタデータ） (2026-01-13T23:36:30Z) - BlendCLIP: Bridging Synthetic and Real Domains for Zero-Shot 3D Object Classification with Multimodal Pretraining [2.400704807305413]
ゼロショットの3Dオブジェクト分類は、自動運転のような現実世界のアプリケーションには不可欠だ。
トレーニングに使用される合成データと、現実世界で遭遇するノイズの多いLiDARスキャンとの間の大きな領域ギャップによって、しばしば妨げられる。
BlendCLIPは、両ドメインの強みを戦略的に組み合わせることで、この合成と現実のギャップを橋渡しするマルチモーダル事前学習フレームワークである。
論文 参考訳（メタデータ） (2025-10-21T03:08:27Z) - R2RGEN: Real-to-Real 3D Data Generation for Spatially Generalized Manipulation [74.41728218960465]
本稿では,実世界のデータを生成するために,ポイントクラウド観測-アクションペアを直接拡張するリアルタイム3Dデータ生成フレームワーク(R2RGen)を提案する。
R2RGenは、広範な実験におけるデータの効率を大幅に向上させ、モバイル操作におけるスケーリングと応用の強い可能性を示す。
論文 参考訳（メタデータ） (2025-10-09T17:55:44Z) - Topology-Aware Modeling for Unsupervised Simulation-to-Reality Point Cloud Recognition [63.55828203989405]
我々はオブジェクトポイントクラウド上でSim2Real UDAのための新しいTopology-Aware Modeling (TAM)フレームワークを紹介する。
提案手法は,低レベルの高周波3次元構造を特徴とするグローバル空間トポロジを利用して,領域間隙を緩和する。
本稿では,クロスドメイン・コントラスト学習と自己学習を組み合わせた高度な自己学習戦略を提案する。
論文 参考訳（メタデータ） (2025-06-26T11:53:59Z) - GEAL: Generalizable 3D Affordance Learning with Cross-Modal Consistency [50.11520458252128]
既存の3Dアベイランス学習手法は、注釈付きデータに制限があるため、一般化と堅牢性に苦慮している。
本稿では,大規模事前学習型2Dモデルを活用することで,3次元アベイランス学習の一般化と堅牢性を高めるための新しいフレームワークであるGEALを提案する。
GEALは、既存のメソッドと、新しいオブジェクトカテゴリ、および破損したデータにおいて、一貫して優れています。
論文 参考訳（メタデータ） (2024-12-12T17:59:03Z) - Enhancing Generalizability of Representation Learning for Data-Efficient 3D Scene Understanding [50.448520056844885]
本研究では,実世界のパターンを持つ多様な合成シーンを生成可能なベイズネットワークを提案する。
一連の実験は、既存の最先端の事前学習手法に比べて、我々の手法が一貫した優位性を示す。
論文 参考訳（メタデータ） (2024-06-17T07:43:53Z) - Monocular Per-Object Distance Estimation with Masked Object Modeling [33.59920084936913]
本稿では、Masked Image Modeling (MiM) からインスピレーションを得て、マルチオブジェクトタスクに拡張する。
Masked Object Modeling (MoM) と呼ばれる我々の戦略は、マスキング技術の新しい応用を可能にする。
我々は、標準KITTI、NuScenes、MOT Synthデータセット上の新しい参照アーキテクチャ(DistFormer)におけるMoMの有効性を評価する。
論文 参考訳（メタデータ） (2024-01-06T10:56:36Z) - Robust Category-Level 3D Pose Estimation from Synthetic Data [17.247607850702558]
CADモデルから生成されたオブジェクトポーズ推定のための新しい合成データセットであるSyntheticP3Dを紹介する。
逆レンダリングによるポーズ推定を行うニューラルネットワークモデルをトレーニングするための新しいアプローチ(CC3D)を提案する。
論文 参考訳（メタデータ） (2023-05-25T14:56:03Z) - Domain Adaptive 3D Pose Augmentation for In-the-wild Human Mesh Recovery [32.73513554145019]
Domain Adaptive 3D Pose Augmentation (DAPA)は、Wildのシナリオにおけるモデルの一般化能力を向上するデータ拡張手法である。
DAPAによる微調整が3DPWとAGORAのベンチマークの結果を効果的に改善できることを定量的に示す。
論文 参考訳（メタデータ） (2022-06-21T15:02:31Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。